新基准测试AI在纠缠数据下的隐私遗忘能力

研究人员推出PPE-Bench，一个旨在评估多模态大语言模型（MLLMs）机器学习遗忘技术有效性的新基准。现有基准未能充分解决问题，它们使用简化的图像并假设私有数据和公共数据之间完全分离。PPE-Bench通过整合私有信息与公众人物或地标视觉纠缠的图像来解决这些问题，旨在测试遗忘能力而不损害公共信息的保留。实验表明，当前的遗忘方法可以减少私有数据泄露，但通常会对公共信息的保留产生负面影响。 AI

影响 该基准可以通过改进针对复杂、真实世界数据场景的遗忘方法，从而实现更强大的隐私保护AI模型。

排序理由 该集群描述了一个用于评估AI模型遗忘技术的新学术基准。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• machine unlearning
• multimodal large language model
• PPE-Bench
• private_person
• private-public entanglement
• public figure
• public information

• 论文
• 安全

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →